Sistemas de Apoio à Decisão Introdução ao DataMining V 1.0, V.Lobo, EN/ISEGI, 2005
|
|
- Ana Vitória Bicalho Arruda
- 8 Há anos
- Visualizações:
Transcrição
1 V., V.Lobo, E/IEGI, 25 Objectivos gerais istemas de Apoio à Decisão Data ining & Optimização Victor Lobo Abrir horizontes em temas actuais Aprender técnicas usadas em istemas de apoio à decisão ou Business Intelligence étodos de Dataining Pesquisa de informação em grandes bases de dados Aprender com experiência passada étodos de Optimização Resolver problemas de pesquisa complicados Programa (parte relativa a técnicas). Introdução a Data ining 2. Redes euronais Perceptrão multicamada (LP) 3. Redes euronais apas auto-organizados (O) 4. Árvores de decisão 5. Introdução às técnicas de optimização 6. Algoritmos Genéticos Bibliografia Data ining Techniques, for sales and customer support Berry,., Linoff, G., John Wiley and ons, 997 Principles of Data ining Hand, D., annila,h,,myth,p.; IT Press, 2 achine Learning itchell, Tom,, cgraw- Hill, 997 Haykin, Bishop, Hertz, Breiman, alvador, oftware A - Enterprise iner P - Clementine IB - Intelligent iner open source em Java - WEKA osso patrocinador! Disponível nas salas AP ódulos de Business Intelligence atlab Toolboxs de, DT, GA, etc Outros tatistica eural etworks, O_PAK, C4.5(original),, plug-ins para Excel, etc, etc, etc, etc, Alguns sites interessantes achine Learning etwork oftware, dados, conferências, projectos, etc. Repositório de Irvine Dados, software, artigos Homepage do WEKA O (H.U.T.) oftware, bibliografia sobre O
2 V., V.Lobo, E/IEGI, 25 O que é Data ining? Introdução ao Data ining Data ining é a pesquisa de informação útil em grande quantidades de dados O que é ser útil? O que pretende obter? Consequência do enorme volume de informação actualmente disponível Informação é poder... Água é vida... Todos os anos morre gente afogada... É necessário trabalhar a informação Hierarquia de compreensão e utilidade E o que fazer depois de ter os dados organizados? Conhecimento Informação Dados O ciclo de data mining implificando, Data ining é Escolher dados Identificar probelmas AALIAR (DATA IIG) AGIR A utilização de três técnicas diferentes: Bases de dados Estatística Vamos estudar tudo isto? Aprendizagem máquina. (achine Learning) Para resolver dois tipos de problemas Predição Descobrir novo conhecimento EDIR 2
3 V., V.Lobo, E/IEGI, 25 Predição e novo conhecimento Predição é aprender critérios de decisão para ser capaz de classificar casos desconhecidos Descobrir novo conhecimento é encontrar padrões desconhecidos existentes nos dados Gostava de ver exemplos? Tipos de problemas Predição Classificação Regressão O que vamos estudar? Descoberta de conhecimento Detecção de desvios egmentação de bases de dados Clustering Regras de associação umarização Visualização Pesquisa em texto Detecção de fraudes na utilização de um cartão de crédito Deferir, ou não, um pedido de crédito Prever perdas com seguros Como descrevo os exemplos? Prever os níveis de audiência dos canais de televisão Classificar os efeitos hidrofónicos produzidos por diferentes navios Analisar as respostas de um inquérito médico Escolher clientes a quem direccionar uma campanha de marketing Cross- selling, fidelização, etc, etc, Problemas a montante... Recolha de dados Representação dos dados Armazenagem, organização, e disponibilização dos dados Pré-processamento dos dados Representação dos dados Representação mais usada = tabela (Existem muitas outras...) Exemplo Empresa de seguros de saúde Dado, vector, registo ou padrão Altura Peso exo F F Idade Ordenado Um exemplo? Variável, característica, ou atributo Usa ginásio Encargos para seguradora Tipos de atributos Booleanos ou binários ó tomam dois valores ominais Tomam um conjunto de valores não ordenados Ordinais Tomam um conjunto (finito) de valores ordenados uméricos 3
4 V., V.Lobo, E/IEGI, 25 Como organizar os dados? Data warehouse É o suporte centralizado de informação importante para a decisão. É uma base de dados? Como organizo tudo isto? O modelo de data warehouse Bases de dados Data Warehouse Forma tandard étodos preditivos Passos para construir a data warehouse Bases de dados Extrair Transformar Limpar Integrar Data Warehouse Pré-processamento dos dados Tratar dos missing values Eliminá- los, substituí- los, etc Corrigir factores de escala entre atributos ormalização linear por min/max ormalizar média e desvio padrão Outras Transformações de variáveis... Vidé Data preparation for Data ining, Dorian Pyle, organ Kaufmann, 999 Alguns problemas importantes que ÃO vamos tratar... Escolha dos atributos Visualização Dados multidimensionais Problema central em datamining OLAP e outras técnicas de reporting On- line Analytical Processing Regras de Associação e arket Basket Analysis Introdução à aprendizagem Aprender a partir dos dados conhecidos 4
5 Algoritmo Conhecimento Interpretador CLAIFICAÇÃO Algoritmo Algoritmo Conhecimento Interpretador Conhecimento Interpretador CLAIFICAÇÃO CLAIFICAÇÃO istemas de Apoio à Decisão Introdução ao Dataining V., V.Lobo, E/IEGI, 25 Fases do processo Exemplo de aprendizagem () (Treino) Classificação (novos) Aprendizagem (Treino) Algoritmo Conhecimento Aprendizagem Agência imobiliária pretende estimar qual a gama de preços para cada clinente de treino: Dados históricos Ordenado vs custos de casas compradas Classificação (novos) Interpretador CLAIFICAÇÃO Custo da casa Ordenado Exemplo de aprendizagem (2) (Treino) Classificação (novos) Aprendizagem Exemplo de aprendizagem (3) (Treino) Classificação (novos) Aprendizagem Algoritmo Regressão linear Representação do conhecimento Recta (declive e ordenada na origem) novos Um novo cliente, com ordenado x Interpretação Usar a recta (método de previsão usado) para obter uma PREVIÃO Custo da casa Custo da casa x Ordenado Ordenado Outro problema de predição Exemplo da seguradora Existem um conjunto de dados conhecidos de treino Queremos prever o que vai ocorrer noutros casos Empresa de seguros de saúde quer estimar custos com um novo cliente de treino (dados históricos) Altura Peso exo Idade Ordenado F F Usa ginásio Encargos para seguradora E o anel? Altura=.73 Peso=85 Idade=3 Ordenado=28 Ginásio= Terá encargos para a seguradora? Tipos de sistemas de previsão Clássicos Regressões lineares, logísticas, etc... Redes euronais Árvores de decisão Dados Regressões lineares Redes neuronais Árvores de decisão Previsões 5
6 V., V.Lobo, E/IEGI, 25 Professor/Aluno Tipos de Aprendizagem UPERVIIOADA vs ÃO UPERVIIOADA ICREETAL vs BATCH PROBLEA Todo o processo de aprendizagem pode ser caracterizado por um protocolo entre o professor e o aluno. O professor pode variar entre o tipo dialogante e o não cooperante. Onde já vi isto? Protocolos Professor/Aluno Professor nada cooperante ó dá os exemplos => não supervisionada Professor cooperante Dá exemplos classificados => supervisionada Professor pouco cooperante ó diz se os resultados estão certos ou errados => aprendizagem por reforço Professor dialogante - ORÁCULO Formas de adquirir o conhecimento Incremental Os exemplos são apresentados um de cada vez e a estrutura de representação vai- se alterando ão incremental (batch) Os exemplos são apresentados todos ao mesmo tempo e são considerados em conjunto. Acesso aos exemplos Aprendizagem offline Todos os exemplos estão disponíveis ao mesmo tempo Aprendizagem online Os exemplos são apresentados um de cada vez Aprendizagem mista Uma mistura dos dois casos anteriores Problema do nº de atributos Poucos atributos ão conseguimos distinguir classes uitos atributos Caso mais vulgar em Datamining Praga da dimensionalidade Visualização difícil e efeitos estranhos Atributos importantes vs redundantes Quais os atributos importantes para a tarefa? 6
7 V., V.Lobo, E/IEGI, 25 Problema da separabilidade eparáveis Erro Ø possível ão separáveis Erro sempre > Ø Erro de Bayes Erro mínimo possível para um classificador Problema do melhor tipo de modelo A representação de conhecimento mais simples. ais fácil de entender Árvores de decisão vs redes neuronais A representação de conhecimento com menor probabilidade de erro. A representação de conhecimento mais provável avalha de Occam... Problemas... Adequabilidade da representação do conhecimento à tarefa que se quer aprender Ruído Ruído na classificação dos exemplos ou nos valores dos atributos. á informação é pior que nenhuma informação Enormes quantidades de dados Quais são importantes? Tempo de processamento Aprender demais Decorar os dados. Vamos ver isso agora... Generalização e overfitting Os dados Exemplo de overfitting Universo Amostra (bem conhecida) eja um conjunto de pontos. Encontrar um polinómio de grau que represente esses pontos. ( x ) = y i= w x i i,9,8,7,6,5,4,3,2,,2,4,6,8 7
8 V., V.Lobo, E/IEGI, 25 Aproximação = Aproximação = 3 ( x) = 2 3 w w x y ( x) = w + w x + w x + w y + 2 3x,9,8,7,6,5,4,3,2,,2,4,6,8,9,8,7,6,5,4,3,2,,2,4,6,8 Data =3 Aprocimação = ( x) = w + w x + w x + w x + w x + w x + w x + w x + w x w y x Overfitting,9,8,7,6,5,4,3,2,,2,4,6,8 Data =,9,8,7,6,5,4,3,2,,2,4,6,8 Data = =3 = Curva de Overfiting Fases do processo Probabilidade de erro,9,8,7,6,5,4,3,2 A melhor Representação de Teste de treino (Treino) (Validação) Algoritmo Conhecimento Aprendizagem, Complexidade da representação do conhecimento Classificação (Teste) Interpretador CLAIFICAÇÃO 8
9 V., V.Lobo, E/IEGI, 25 Generalização de treino/validação/teste O objectivo não é aprender a agir no conjunto de treino mas sim no universo desconhecido! Como preparar para o desconhecido? anter um conjunto de teste de reserva Dados ew, unlabeled ovos data Training de treino set Treina Dados Known, conhecidos labeled data Validation Conj. de Validação set Controla o processo de aprendizagem Conj. Test Teste set Trabalho útil Classificador Classifier Prevê a capacidade de generalização Divisão dos dados de treino Quanto maior, melhor o classificador obtido de validação Quanto maior, melhor a estimação do treino óptimo de teste Quanto maior, melhor a estimação do desempenho do classificador Processo de aprendizagem A aprendizagem é um processo de optimização (inimização do erro) Algoritmo de optimização étodo do gradiente ubir a encosta Guloso Algoritmos genéticos imulated annealing O que é o bias da pesquisa? Formas de adquirir o conhecimento Tarefas do projecto Projecto do sistema de aprendizagem Preparação dos dados. Redução dos dados. odelação e predição dos dados. Casos e análise das soluções 9
10 V., V.Lobo, E/IEGI, 25 Aproximação exploratória... Preparação dos dados Fenómeno Physical phenomena edições experimentais Dados Raw em data bruto Extracção de características (feature extraction) Objectivos Extracção optimizada das características Classificador Classifier Informação útil Análise exploratória de dados perspectivas Desenho do classificador Validação Fundamental Características features fundamentais Características Features elecção de características (feature selection) Data Warehouse Transformação dos dados Dependências temporais Forma tandard Redução dos dados odelação iterativa e predição Forma standard inicial de treino inicial étodos de redução Atributos reduzidos Forma standard reduzida de treino de validação de treino étodo de predição olução udança de parâmetros Testa o melhor de teste inicial de teste de validação Análise das soluções de treino elecção de um subconjunto de teste Análise da medida de desempenho Considerações finais ubconjunto de treino étodo de predição olução
11 V., V.Lobo, E/IEGI, 25 Os principais paradigmas Redes euronais Baseados em instâncias Algoritmos genéticos Indução de regras Aprendizagem analítica Alguns pontos para meditar() Que modelos são mais adequados para um caso específico? Que algoritmos de treino são mais adequados para um caso específico? Quantos exemplos são necessários? Qual a confiança que podemos ter na medida de desempenho? Como pode o conhecimento a priori ajudar o processo de indução? Alguns pontos para meditar(2) Qual a melhor estratégia para escolher o processo exemplo? Em que medida a estratégia altera o processo de aprendizagem? Quais as funções objectivo que se devem escolher para aprender? Poderá esta escolha ser automatizada? Como pode o sistema alterar automaticamente a sua representação para melhorar a capacidade de representar e aprender a função objectivo? de problemas () Um banco quer estudar as características dos seus clientes. Para isso precisa de encontrar grupos de clientes para os caracterizar. Quais as variáveis do problema? Como descrever os diferentes clientes. Que problema de aprendizagem se está a tratar? Exemplo (2) Uma empresa de ramo automóvel resolveu desenvolver um sistema automático de condução de automóveis. Quais as variáveis do problema? Como descrever os diferentes ambientes. Que problema de aprendizagem se está a tratar?
12 V., V.Lobo, E/IEGI, 25 Exemplo (3) Quer estudar-se a relação entre o custo das casas e os bairros de Lisboa. Quais as variáveis do problema? Como descrever os diferentes bairros. É um problema problema de predição, mas será de classificação ou de regressão? Exemplo (4) Uma empresa de seguros do ramo automóvel quer detectar as fraudes das declarações de acidentes. Quais as variáveis do problema? Como descrever os clientes e os acidentes? É um problema problema de predição, mas será de classificação ou de regressão? 2
Sistemas de Apoio à Decisão
Sistemas de Apoio à Decisão Data Mining & Optimização Victor Lobo Objectivos gerais Abrir horizontes em temas actuais Aprender técnicas usadas em Sistemas de apoio à decisão ou Business Intelligence Métodos
Leia maisIntrodução a Datamining (previsão e agrupamento)
Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação E o que fazer depois de ter os dados organizados? Ideias base Aprender com o passado Inferir
Leia maisIntrodução a Datamining (previsão e agrupamento)
E o que fazer depois de ter os dados organizados? Introdução a Datamining (previsão e agrupamento) Victor Lobo Mestrado em Estatística e Gestão de Informação Ideias base Aprender com o passado Inferir
Leia maisIntrodução ao Datamining 4ºAno M, AN,FZ,EN-MEC,EN-AEL V 1.3, V.Lobo, EN 2008
4ºAno, A,FZ,E-EC,E-AEL V.3, V.Lobo, E 28 Introdução a Datamining (previsão e agrupamento) Victor Lobo E o que fazer depois de ter os dados organizados? 4º ano dos cursos tradicionais da Escola aval Ideias
Leia maisData Mining II Modelos Preditivos
Data Mining II Modelos Preditivos Prof. Doutor Victor Lobo Mestre André Melo Mestrado em Estatística e Gestão de Informação Objectivo desta disciplina Fazer previsões a partir de dados. Conhecer os principais
Leia maisIntrodução à aprendizagem
Introdução à aprendizagem Aprender a partir dos dados conhecidos Fases do processo Exemplos (Treino) Algoritmo Conhecimento Aprendizagem Classificação Exemplos (novos) Interpretador CLASSIFICAÇÃO 1 Exemplo
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Professor: Rosalvo Ferreira de Oliveira Neto Disciplina: Inteligência Artificial Tópicos 1. Definições 2. Tipos de aprendizagem 3. Paradigmas de aprendizagem 4. Modos de aprendizagem
Leia maisProf. Msc. Paulo Muniz de Ávila
Prof. Msc. Paulo Muniz de Ávila O que é Data Mining? Mineração de dados (descoberta de conhecimento em bases de dados): Extração de informação interessante (não-trivial, implícita, previamente desconhecida
Leia maisMINERAÇÃO DE DADOS APLICADA. Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br
MINERAÇÃO DE DADOS APLICADA Pedro Henrique Bragioni Las Casas pedro.lascasas@dcc.ufmg.br Processo Weka uma Ferramenta Livre para Data Mining O que é Weka? Weka é um Software livre do tipo open source para
Leia maisNovas Tecnologias de Informação
Novas Tecnologias de Informação Victor Lobo Objectivos gerais Abrir horizontes em temas actuais Aprender técnicas de Business Intelligence, ou Sistemas de apoio à decisão Métodos de DataMining Pesquisa
Leia maisCap.1 Introdução a NTI, DataMining, e Aprendizagem Automática V 3.0, V.Lobo, EN/ISEGI, 2005
Objectivos gerais Novas Tecnologias de Informação Victor Lobo Abrir horizontes em temas actuais Aprender técnicas de Business Intelligence, ou Sistemas de apoio à decisão Métodos de Mining Pesquisa de
Leia maisData Mining. Origem do Data Mining 24/05/2012. Data Mining. Prof Luiz Antonio do Nascimento
Data Mining Prof Luiz Antonio do Nascimento Data Mining Ferramenta utilizada para análise de dados para gerar, automaticamente, uma hipótese sobre padrões e anomalias identificadas para poder prever um
Leia maisExtração de Árvores de Decisão com a Ferramenta de Data Mining Weka
Extração de Árvores de Decisão com a Ferramenta de Data Mining Weka 1 Introdução A mineração de dados (data mining) pode ser definida como o processo automático de descoberta de conhecimento em bases de
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto Estudos Comparativos Recentes - Behavior Scoring Roteiro Objetivo Critérios de Avaliação
Leia maisO que é a ciência de dados (data science). Discussão do conceito. Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.
O que é a ciência de dados (data science). Discussão do conceito Luís Borges Gouveia Universidade Fernando Pessoa Versão 1.3, Outubro, 2015 Nota prévia Esta apresentação tem por objetivo, proporcionar
Leia maisAula 02: Conceitos Fundamentais
Aula 02: Conceitos Fundamentais Profa. Ms. Rosângela da Silva Nunes 1 de 26 Roteiro 1. Por que mineração de dados 2. O que é Mineração de dados 3. Processo 4. Que tipo de dados podem ser minerados 5. Que
Leia maisData Mining: Conceitos e Técnicas
Data Mining: Conceitos e Técnicas DM, DW e OLAP Data Warehousing e OLAP para Data Mining O que é data warehouse? De data warehousing para data mining Data Warehousing e OLAP para Data Mining Data Warehouse:
Leia maisData Mining Software Weka. Software Weka. Software Weka 30/10/2012
Data Mining Software Weka Prof. Luiz Antonio do Nascimento Software Weka Ferramenta para mineração de dados. Weka é um Software livre desenvolvido em Java. Weka é um É um pássaro típico da Nova Zelândia.
Leia maisProfessor: Disciplina:
Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais
Leia maisCapítulo. Sistemas de apoio à decisão
Capítulo 10 1 Sistemas de apoio à decisão 2 Objectivos de aprendizagem Identificar as alterações que estão a ter lugar na forma e função do apoio à decisão nas empresas de e-business. Identificar os papéis
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.
Leia maisXIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO
XIII Encontro de Iniciação Científica IX Mostra de Pós-graduação 06 a 11 de outubro de 2008 BIODIVERSIDADE TECNOLOGIA DESENVOLVIMENTO EPE0147 UTILIZAÇÃO DA MINERAÇÃO DE DADOS EM UMA AVALIAÇÃO INSTITUCIONAL
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?
Leia maisA Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
Leia maisMLP (Multi Layer Perceptron)
MLP (Multi Layer Perceptron) André Tavares da Silva andre.silva@udesc.br Roteiro Rede neural com mais de uma camada Codificação de entradas e saídas Decorar x generalizar Perceptron Multi-Camada (MLP -
Leia mais4. Que tipos de padrões podem ser minerados. 5. Critérios de classificação de sistemas de Data Mining. 6. Tópicos importantes de estudo em Data Mining
Curso de Data Mining - Aula 1 1. Como surgiu 2. O que é 3. Em que tipo de dados pode ser aplicado 4. Que tipos de padrões podem ser minerados 5. Critérios de classificação de sistemas de Data Mining 6.
Leia maisProjeto de Redes Neurais e MATLAB
Projeto de Redes Neurais e MATLAB Centro de Informática Universidade Federal de Pernambuco Sistemas Inteligentes IF684 Arley Ristar arrr2@cin.ufpe.br Thiago Miotto tma@cin.ufpe.br Baseado na apresentação
Leia maisUniversidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados
Universidade Tecnológica Federal do Paraná UTFPR Programa de Pós-Graduação em Computação Aplicada Disciplina de Mineração de Dados Prof. Celso Kaestner Poker Hand Data Set Aluno: Joyce Schaidt Versão:
Leia maisFigura 1.1: Exemplo de links patrocinados no Google
1 Links Patrocinados 1.1 Introdução Links patrocinados são aqueles que aparecem em destaque nos resultados de uma pesquisa na Internet; em geral, no alto ou à direita da página, como na Figura 1.1. Figura
Leia maisInteratividade aliada a Análise de Negócios
Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,
Leia maisINF 1771 Inteligência Artificial
Edirlei Soares de Lima INF 1771 Inteligência Artificial Aula 12 Aprendizado de Máquina Agentes Vistos Anteriormente Agentes baseados em busca: Busca cega Busca heurística Busca local
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento
Leia maisMatemática Aplicada às Ciências Sociais
DEPARTAMENTO DE MATEMÁTICA Matemática Aplicada às Ciências Sociais Ensino Regular Curso Geral de Ciências Sociais e Humanas 10º Ano Planificação 2014/2015 Índice Finalidades... 2 Objectivos e competências
Leia maisO Processo de KDD. Data Mining SUMÁRIO - AULA1. O processo de KDD. Interpretação e Avaliação. Seleção e Pré-processamento. Consolidação de dados
SUMÁRIO - AULA1 O Processo de KDD O processo de KDD Interpretação e Avaliação Consolidação de dados Seleção e Pré-processamento Warehouse Data Mining Dados Preparados p(x)=0.02 Padrões & Modelos Conhecimento
Leia maisDATA WAREHOUSE. Introdução
DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta
Leia maisSAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares
SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados
Leia maisUTILIZANDO O SOFTWARE WEKA
UTILIZANDO O SOFTWARE WEKA O que é 2 Weka: software livre para mineração de dados Desenvolvido por um grupo de pesquisadores Universidade de Waikato, Nova Zelândia Também é um pássaro típico da Nova Zelândia
Leia maishttp://www.publicare.com.br/site/5,1,26,5480.asp
Página 1 de 7 Terça-feira, 26 de Agosto de 2008 ok Home Direto da redação Última edição Edições anteriores Vitrine Cross-Docking Assine a Tecnologística Anuncie Cadastre-se Agenda Cursos de logística Dicionário
Leia maisSistemas de Apoio à Decisão Árvores de decisão V 1.2, V.Lobo, EN/ISEGI, 2010
V., V.Lobo, EN/ISEGI, O que é a árvore de decisão? Arvores de decisão Victor Lobo Algorítmo para tomar decisões (ou classificar) Modo de representar conhecimento Tem penas? Nós (testes, ou conceitos) Comprimento
Leia maispor João Gomes, Director Executivo do Instituto de Planeamento e Desenvolvimento do Turismo e Professor Associado da Universidade Fernando Pessoa
COMO AUMENTAR AS RECEITAS DE UM NEGÓCIO: O CONCEITO DE GESTÃO DE RECEITAS (revenue management) (Publicado na Revista Hotéis de Portugal Maio/Junho 2004) por João Gomes, Director Executivo do Instituto
Leia maisData Warehouse. Debora Marrach Renata Miwa Tsuruda
Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos
Leia maisUNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS
UNIVERSIDADE FEDERAL DE SANTA CATARINA GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA DATA MINING EM VÍDEOS VINICIUS DA SILVEIRA SEGALIN FLORIANÓPOLIS OUTUBRO/2013 Sumário
Leia maisAnálise de Sistemas. Conceito de análise de sistemas
Análise de Sistemas Conceito de análise de sistemas Sistema: Conjunto de partes organizadas (estruturadas) que concorrem para atingir um (ou mais) objectivos. Sistema de informação (SI): sub-sistema de
Leia maisDescoberta de Conhecimento em Bases de Dados. Classificação
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Descoberta de Conhecimento em Bases de Dados. Classificação Descoberta
Leia maisCapítulo. Sistemas empresariais
Capítulo 8 1 Sistemas empresariais 2 Objectivos de aprendizagem Identificar e exemplificar os seguintes aspectos da gestão do relacionamento com os clientes, da gestão de recursos empresariais e dos sistemas
Leia maisMineração de Dados: Introdução e Aplicações
Mineração de Dados: Introdução e Aplicações Luiz Henrique de Campos Merschmann Departamento de Computação Universidade Federal de Ouro Preto luizhenrique@iceb.ufop.br Apresentação Luiz Merschmann Engenheiro
Leia mais6 Construção de Cenários
6 Construção de Cenários Neste capítulo será mostrada a metodologia utilizada para mensuração dos parâmetros estocásticos (ou incertos) e construção dos cenários com respectivas probabilidades de ocorrência.
Leia maisIntrodução. Capítulo 1
Capítulo 1 Introdução Em computação, muitos problemas são resolvidos por meio da escrita de um algoritmo que especifica, passo a passo, como resolver um problema. No entanto, não é fácil escrever um programa
Leia maisAvaliando o que foi Aprendido
Avaliando o que foi Aprendido Treinamento, teste, validação Predição da performance: Limites de confiança Holdout, cross-validation, bootstrap Comparando algoritmos: o teste-t Predecindo probabilidades:função
Leia maisResumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence
É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade
Leia maisMATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD)
AULA 07 MATERIAL DIDÁTICO: APLICAÇÕES EMPRESARIAIS SISTEMA DE APOIO À DECISÃO (SAD) JAMES A. O BRIEN MÓDULO 01 Páginas 286 à 294 1 AULA 07 SISTEMAS DE APOIO ÀS DECISÕES 2 Sistemas de Apoio à Decisão (SAD)
Leia maisDWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS
DWARF DATAMINER: UMA FERRAMENTA GENÉRICA PARA MINERAÇÃO DE DADOS Tácio Dias Palhão Mendes Bacharelando em Sistemas de Informação Bolsista de Iniciação Científica da FAPEMIG taciomendes@yahoo.com.br Prof.
Leia maisAprendizagem de Máquina
Aprendizagem de Máquina Alessandro L. Koerich Programa de Pós-Graduação em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Horários Aulas Sala [quinta-feira, 7:30 12:00] Atendimento Segunda
Leia maisMESTRADO EM PESQUISA DE MERCADOS 2006 2007
MESTRADO EM PESQUISA DE MERCADOS 2006 2007 PROGRAMA DAS DISCIPLINAS 1 1º trimestre PESQUISA DE MERCADOS Objectivos Pretende-se que os alunos: (a) adquiram os conceitos e semântica próprios do tema, (b)
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular ESTATÍSTICA MULTIVARIADA Ano Lectivo 2014/2015
Programa da Unidade Curricular ESTATÍSTICA MULTIVARIADA Ano Lectivo 2014/2015 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Gestão de Recursos Humanos 3. Ciclo de Estudos 1º
Leia maisDesenvolvimento do Módulo de Pré-processamento e Geração de Imagens de. Imagens de Teste do Sistema DTCOURO
Desenvolvimento do Módulo de Pré-processamento e Geração de Imagens de Teste do Sistema DTCOURO Willian Paraguassu Amorim 27 de julho de 2005 1 Título Desenvolvimento do Módulo de Pré-processamento e Geração
Leia maisCurso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan
Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.5 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI
Leia maisIntrodução a Sistemas de Apoio à Decisão 4ºAno M, AN,FZ,EN-MEC,EN-AEL V 1.6, V.Lobo, EN 2014
Victor Lobo SAD - Sistemas de Apoio à Decisão Técnicas de Previsão, agrupamento, e optimização Programa (traços gerais) 1. Introdução aos Sistemas de Apoio à Decisão 2. Organização de dados, visualização
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve
Leia maisPós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining
Pós-Graduação "Lato Sensu" Especialização em Análise de Dados e Data Mining Inscrições Abertas Início das Aulas: 24/03/2015 Dias e horários das aulas: Terça-Feira 19h00 às 22h45 Semanal Quinta-Feira 19h00
Leia maisAdriano Maranhão BUSINESS INTELLIGENCE (BI),
Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados
Leia maisMicrosoft Innovation Center
Microsoft Innovation Center Mineração de Dados (Data Mining) André Montevecchi andre@montevecchi.com.br Introdução Objetivo BI e Mineração de Dados Aplicações Exemplos e Cases Algoritmos para Mineração
Leia maisUma peça estratégica para o seu negócio
Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções
Leia maisReconhecimento de Padrões
Engenharia Informática (ramos de Gestão e Industrial) Departamento de Sistemas e Informação Reconhecimento de Padrões Projecto Final 2004/2005 Realizado por: Prof. João Ascenso. Departamento de Sistemas
Leia maisExemplo de Aplicação do DataMinig
Exemplo de Aplicação do DataMinig Felipe E. Barletta Mendes 19 de fevereiro de 2008 INTRODUÇÃO AO DATA MINING A mineração de dados (Data Mining) está inserida em um processo maior denominado Descoberta
Leia maisKDD UMA VISAL GERAL DO PROCESSO
KDD UMA VISAL GERAL DO PROCESSO por Fernando Sarturi Prass 1 1.Introdução O aumento das transações comerciais por meio eletrônico, em especial as feitas via Internet, possibilitou as empresas armazenar
Leia maisFerramentas Livres de Armazenamento e Mineração de Dados
Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br
Leia maisSistema Tutor Inteligente baseado em Agentes. Pedagógicas da Universidade Aberta do Piauí. Prof. Dr. Vinicius Ponte Machado
Sistema Tutor Inteligente baseado em Agentes na Plataforma MOODLE para Apoio às Atividades Pedagógicas da Universidade Aberta do Piauí Prof. Dr. Vinicius Ponte Machado Parnaíba, 14 de Novembro de 2012
Leia maisCRM. Customer Relationship Management
CRM Customer Relationship Management CRM Uma estratégia de negócio para gerenciar e otimizar o relacionamento com o cliente a longo prazo Mercado CRM Uma ferramenta de CRM é um conjunto de processos e
Leia maisMetodologia Projectual?
Metodologia Projectual? > Metodologia é a parte da lógica que estuda os métodos das diversas ciências, segundo as leis do raciocínio > estudar e enumerar as tarefas de forma a que o projecto seja feito
Leia maisUNIVERSIDADE LUSÍADA DE LISBOA. Programa da Unidade Curricular SISTEMAS DE TELECOMUNICAÇÕES Ano Lectivo 2012/2013
Programa da Unidade Curricular SISTEMAS DE TELECOMUNICAÇÕES Ano Lectivo 2012/2013 1. Unidade Orgânica Ciências da Economia e da Empresa (1º Ciclo) 2. Curso Engenharia Electrotécnica e de Computadores 3.
Leia maisCadeira de Tecnologias de Informação. Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento.
Cadeira de Tecnologias de Informação Ano lectivo 2007/08 Conceitos fundamentais de sistemas e tecnologias de informação e de gestão do conhecimento. Prof. Mário Caldeira Profª Ana Lucas Dr. Fernando Naves
Leia maisPENTAHO. História e Apresentação
PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Laboratório de Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade 2 2012 Crédito dos Slides: Clever Junior 2 PENTAHO História
Leia maisGestão da Informação. Gestão da Informação. AULA 3 Data Mining
Gestão da Informação AULA 3 Data Mining Prof. Edilberto M. Silva Gestão da Informação Agenda Unidade I - DM (Data Mining) Definição Objetivos Exemplos de Uso Técnicas Tarefas Unidade II DM Prático Exemplo
Leia mais05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados
Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas
Leia maisORGANIZAÇÃO DO ENSINO DE DISCIPLINA / CRÉDITO RESUMO INTRODUTÓRIO
ORGANIZAÇÃO DO ENSINO DE DISCIPLINA / CRÉDITO RESUMO INTRODUTÓRIO Roberto Leal Lobo e Silva Filho A organização do ensino de uma disciplina específica dentro de um currículo de graduação vai depender,
Leia maisDefine claramente o tema, o seu objectivo e os aspectos a desenvolver. De seguida deves ser capaz de levantar questões sobre o que pretendes
Como fazes os teus trabalhos escritos? Há dois métodos para fazer trabalhos 1-Vais à Net copias a informação, colas num novo documento, imprimes e já está! 2-Pesquisas informação em fontes diversas, retiras
Leia maisAnálise de técnicas de selecção de atributos em Bioinformática
Análise de técnicas de selecção de atributos em Bioinformática Rui Mendes 100378011 Bioinformática 10/11 DCC Artigo Base Yvan Saeys, Inaki Inza and Pedro Larranaga. A review of feature selection techniques
Leia maisSistemas de Informação
Sistemas de Informação Prof. M.Sc. Diego Fernandes Emiliano Silva diego.femiliano@gmail.com Agenda Banco de dados Gerenciamento de banco de dados Sistemas de gerenciamento de banco de dados Como usar banco
Leia maisSistema de mineração de dados para descobertas de regras e padrões em dados médicos
Sistema de mineração de dados para descobertas de regras e padrões em dados médicos Pollyanna Carolina BARBOSA¹; Thiago MAGELA² 1Aluna do Curso Superior Tecnólogo em Análise e Desenvolvimento de Sistemas
Leia maisBusiness Intelligence & Performance Management
Como medir a evolução do meu negócio? Tenho informação para esta decisão? A medição da performance é uma dimensão fundamental para qualquer actividade de gestão. Recorrentemente, qualquer gestor vê-se
Leia maisJOGO ONLINE DE GESTÃO PARA ALUNOS DO ENSINO SECUNDÁRIO
JOGO ONLINE DE GESTÃO PARA ALUNOS DO ENSINO SECUNDÁRIO Junior Business Challenge by IPAM O IPAM The Marketing School é uma Instituição de Ensino Superior, especializada e líder, na formação de profissionais
Leia maisRegressão Linear Multivariada
Regressão Linear Multivariada Prof. Dr. Leandro Balby Marinho Inteligência Artificial Prof. Leandro Balby Marinho / 37 UFCG DSC Roteiro. Introdução 2. Modelo de Regressão Multivariada 3. Equações Normais
Leia maisData, Text and Web Mining
Data, Text and Web Mining Fabrício J. Barth TerraForum Consultores Junho de 2010 Objetivo Apresentar a importância do tema, os conceitos relacionados e alguns exemplos de aplicações. Data, Text and Web
Leia maisPlanejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani CRM Definição O CRM é uma abordagem que coloca o cliente no centro dos processos do negócio, sendo desenhado para perceber e antecipar as necessidades
Leia maisBUSINESS INTELLIGENCE Prof. Fabio Purcino
Aula Teste BUSINESS INTELLIGENCE Prof. Fabio Purcino Faça o download desta aula Use um leitor de QR Code Definição Business Intelligence é um conjunto de conceitos e técnicas que buscam extrair conhecimento
Leia maisSISTEMAS DISTRIBUÍDOS E TOLERÂNCIA A FALHAS
SISTEMAS DISTRIBUÍDOS E TOLERÂNCIA A FALHAS Automatic detection of firewall misconfigurations using firewall and network routing policies Flávio Amorim nº3409 Fábio Campos nº3481 ESTRUTURA DA APRESENTAÇÃO
Leia maisInformática e Sistemas de Informação Aplicados em Economia
Informática e Sistemas de Informação Aplicados em Economia Matéria para os exames PRIMEIRA PARTE - MODELAÇÃO, CONSTRUÇÃO E EXPLORAÇÃO DE BASES DE DADOS SUPORTADAS EM SISTEMAS DE INFORMAÇÃO ESTATÍSTICA
Leia maisBusiness Intelligence e Data Mining Manuel Filipe Santos mfs@dsi.uminho.pt Grupo de Business Intelligence Departamento de Sistemas de Informação Escola de Engenharia Quem Não Conduz? Jornadas Administra
Leia maisPré processamento de dados II. Mineração de Dados 2012
Pré processamento de dados II Mineração de Dados 2012 Luís Rato Universidade de Évora, 2012 Mineração de dados / Data Mining 1 Redução de dimensionalidade Objetivo: Evitar excesso de dimensionalidade Reduzir
Leia maisServiço Público Inteligente
Serviço Público Inteligente Sistemas de BI, decidir com base em informação de qualidade 15 de maio de 2013 Auditório B, Reitoria UNL Patrocínio Prata Patrocinadores Globais APDSI Conferência Serviço Público
Leia maisSoluções de Gestão Integradas SENDYS ERP. Otimize a Gestão do Seu Negócio!
Soluções de Gestão Integradas SENDYS ERP Otimize a Gestão do Seu Negócio! Universo da Solução de Gestão SENDYS ERP SENDYS - Copyright 2007 SENDYS é uma marca proprietária da Readsystem, Lda. 2 Universo
Leia maisSoluções de análise preditiva para optimizar os processos de negócio. João Pequito. Director Geral da PSE
Soluções de análise preditiva para optimizar os processos de negócio João Pequito Director Geral da PSE Soluções de análise preditiva para optimizar os processos de negócio Qualquer instituição tem hoje
Leia maisInvestigação Operacional e Gestão de Projectos
Investigação Operacional e Gestão de Projectos Victor Lobo, Maria do Carmo Lucas, Miguel Loureiro Programa 0 Introdução 1 - Programação Linear. Método Simplex e variantes 2 Problemas de Transportes 3 Problemas
Leia maisDesenvolvimento Iterativo. Unified Process (UP) Esta abordagem ao desenvolvimento
Desenvolvimento Iterativo Esta abordagem ao desenvolvimento assegura que o sistema cresce de forma incremental assegura que a complexidade se mantém controlada permite ainda obter rápido feedback de várias
Leia maisSEGMENTAÇÃO DE LEADS. Exemplos de critérios de segmentação para identificar o estágio dos seus Leads VECTOR
Exemplos de critérios de segmentação para identificar o estágio dos A sua empresa já gera Leads com ações de Marketing Digital? Então você deve saber que não basta ter uma base cheia de contatos: é preciso
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisSISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI LEARNING SYSTEMS FOR IDENTIFICATION OF PEQUI FRUIT SEEDS NUMBER
SISTEMAS DE APRENDIZADO PARA A IDENTIFICAÇÃO DO NÚMERO DE CAROÇOS DO FRUTO PEQUI Fernando Luiz de Oliveira 1 Thereza Patrícia. P. Padilha 1 Conceição A. Previero 2 Leandro Maciel Almeida 1 RESUMO O processo
Leia maisSelling Tools. Dale Carnegie Training Portugal www.dalecarnegie.pt customerservice@dalecarnegie.pt
Dale Carnegie Training Portugal www.dalecarnegie.pt customerservice@dalecarnegie.pt Enquadramento As vendas têm um ambiente próprio; técnicas e processos específicos. A forma de estar, o networking, os
Leia mais